-
人工神经网络 - 维基百科
人工神经网络维基百科，自由的百科全书跳到导航跳到搜索此条目介绍的是模拟生物神经网络的数学模型。关于生物的神经网络，请见“”。人工神经网络（英语：ArtificialNeuralNetwork，ANN），简称神经网络（NeuralNetwork，NN）或类神经网络，在机器学习和认知科学领域，是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结…
-
决策树学习-维基百科
决策树学习维基百科，自由的百科全书跳到导航跳到搜索此条目介绍的是机器学习中的决策树。关于决策分析中的术语，请见“”。统计学，数据挖掘和机器学习中的决策树训练，使用决策树作为预测模型来预测样本的类标。这种决策树也称作分类树或回归树。在这些树的结构里，叶子节点给出类标而内部节点代表某个属性。在决策分析中，一棵决策树可以明确地表达决策的过程。在数据挖掘中，一棵决策树表达的是数据而不是决策。本页的决策树是数据挖掘中的决策树。目录1推广2决策树的类型3模型表达式3.1基尼不纯度指标3.2信息增益4决策树的…
-
生成对抗网络-维基百科
生成对抗网络维基百科，自由的百科全书跳到导航跳到搜索生成对抗网络（英语：GenerativeAdversarialNetwork，简称GAN）是非监督式学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。该方法由伊恩·古德费洛等人于2014年提出。[1]生成对抗网络由一个生成网络与一个判别网络组成。生成网络从潜在空间（latentspace）中随机取样作为输入，其输出结果需要尽量模仿训练集中的真实样本。判别网络的输入则为真实样本或生成网络的输出，其目的是将生成网络的输出从真实样本中尽可能分…
-
引导聚合-维基百科
引导聚合维基百科，自由的百科全书跳转到导航跳转到搜索自举聚集，也称为装袋（从bootstrapAGGregat荷兰国际集团），是一种机器学习合奏元算法旨在改善的稳定性和精度机器学习中使用的算法统计分类和回归。它还可以减少差异并有助于避免过度拟合。尽管它通常应用于决策树方法，但可以与任何类型的方法一起使用。套袋是模型平均方法的特例。内容1技术说明2示例：臭氧数据3历史4另请参见5参考6进一步阅读技术说明给定标准训练集D{\displaystyleD}大小为n，套袋产生m个新的训练集Di{\disp…
-
梯度提升技术-维基百科
梯度提升技术维基百科，自由的百科全书跳到导航跳到搜索梯度提升（梯度增强）是一种用于回归和分类问题的机器学习技术，其产生的预测模型是弱预测模型的集成，如采用典型的决策树作为弱预测模型，这时则为梯度提升树（GBT或GBDT）。像其他提升方法一样，它以分阶段的方式构建模型，但它通过允许对任意可微分损失函数进行优化作为对一般提升方法的推广。梯度提升的思想源自LeoBreiman的一个观察：即可以将提升方法解释为针对适当成本函数的优化算法。[1]显式回归梯度增强算法随后由JeromeH.Friedman[…
-
循环神经网络 - 维基百科
循环神经网络维基百科，自由的百科全书跳到导航跳到搜索提示：本条目的主题不是。循环神经网络（Recurrentneuralnetwork：RNN）是神经网络的一种。单纯的RNN因为无法处理随着递归，权重指数级爆炸或梯度消失问题，难以捕捉长期时间关联；而结合不同的LSTM可以很好解决这个问题。[1][2]时间循环神经网络可以描述动态时间行为，因为和前馈神经网络（feedforwardneuralnetwork）接受较特定结构的输入不同，RNN将状态在自身网络中循环传递，因此可以接受更广泛的时间序列结…
-
随机森林-维基百科
随机森林维基百科，自由的百科全书跳到导航跳到搜索在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。这个术语是1995年[1]由贝尔实验室的何天琴（英语：）（TinKamHo[1]）所提出的随机决策森林（randomdecisionforests）而来的。[2][3]然后LeoBreiman和AdeleCutler发展出推论出随机森林的算法。而"RandomForests"是他们的商标。这个方法则是结合Breimans的"Bootstrapaggr…
-
线性回归-维基百科
线性回归维基百科，自由的百科全书跳到导航跳到搜索在统计学中，线性回归（英语：linearregression）是利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归，大于一个自变量情况的叫做多元回归（multivariablelinearregression）。[1]在线性回归中，数据使用线性预测函数来建模，并且未知的模型参数也是通过数据来估计。这些模型被叫做线性模型。[…
-
Softmax函数 - 维基百科
逻辑回归-维基百科ol.references{counter-reset:mw-ref-extends-parentlist-item}ol.references>li{counter-increment:mw-ref-extends-parent;counter-reset:mw-ref-extends-child}sup.reference{unicode-bidi:-moz-isolate;unicode-bidi:-webkit-isolate;unicode-bidi:isolate…
-
受限玻尔兹曼机 - 维基百科
受限玻尔兹曼机维基百科，自由的百科全书跳到导航跳到搜索包含三个可见单元和四个隐单元的受限玻兹曼机示意图（不包含偏置节点）受限玻尔兹曼机（英语：restrictedBoltzmannmachine,RBM）是一种可通过输入数据集学习概率分布的随机生成神经网络。RBM最初由发明者保罗·斯模棱斯基（英语：）于1986年命名为簧风琴（Harmonium）[1]，但直到杰弗里·辛顿及其合作者在2000年代中叶发明快速学习算法后，受限玻兹曼机才变得知名。受限玻兹曼机在降维[2]、分类[3]、协同过滤[4]、…